Journal of Zhejiang University

Current Issue: <FITEE>

Frontiers of Information Technology & Electronic Engineering (former title: Journal of Zhejiang University SCIENCE C (Computers & Electronics), 2010-2014)

ISSN 2095-9184 (print); ISSN 2095-9230 (online); CN 33-1389/TP; Monthly.

FITEE is an international peer-reviewed journal indexed by SCI-E, Ei Compendex, DBLP, IC, Scopus, JST, CSA, etc. It covers research in Electrical and Electronic Engineering, including Computer Science, Information Sciences, Control, Automation, Telecommunications, and related disciplines.

Impact factor: 0.308 (2011), 0.297 (2012), 0.380 (2013), 0.415 (2014), 0.392 (2015), 0.622 (2016), 0.910 (2017), 1.033 (2018), 1.604 (2019), 2.161 (2020), 2.526 (2021).

Frontiers of Information Technology & Electronic Engineering

ISSN 2095-9184 (print), ISSN 2095-9230 (online), monthly

2017 Vol.18 No.5 P.591-750

<<< CONTENTS >>>

Research Articles

Micro-angle tilt detection for the rotor of a novel rotational gyroscope with a 0.47′′ resolution

Hai Li, Xiao-wei Liu, Rui Weng, Hai-feng Zhang

DOI: 10.1631/FITEE.1500454 Downloaded: 2827 Clicked: 6705 Cited: 0 Commented: 0(p.591-598) <Full Text> <PPT> 1900

Chinese summary <207> 一(yī)種新型轉子式陀螺的分(fēn)辨率爲0.47′′ 的轉子微偏轉角度檢測方法

概要：差分(fēn)電容檢測被廣泛應用于振動陀螺儀質量塊的位移測量，然而由于結構、理論以及接口電路等因素的限制其在轉子式陀螺所需的轉子偏轉角度檢測方面還尚未取得較高分(fēn)辨率。本文提出了一(yī)種差分(fēn)電容檢測結構，用以測量一(yī)種新型轉子式陀螺轉子的偏轉角度。本文建立了結構電容與轉子偏轉角度之間關系的數學模型，分(fēn)析了差分(fēn)電容與結構參數之間的關系，并獲得了初步優化的尺寸參數。設計了一(yī)款低噪聲讀出接口電路将差分(fēn)電容的變化轉換爲電壓信号。對陀螺儀的轉台測試結果表明，該角度檢測結構的最小(xiǎo)可分(fēn)辨的偏轉角度小(xiǎo)于0.47′′ (0.00013°)，三次多項式補償後檢測結構的非線性可達0.33%，并可進一(yī)步提高。結果表明該檢測結構和電路有助于實現該陀螺儀的高精度。

關鍵詞組：微角度檢測；差分(fēn)電容結構；轉子式陀螺

Adaptive tracking control for air-breathing hypersonic vehicles with state constraints

Gong-jun Li

DOI: 10.1631/FITEE.1500464 Downloaded: 2562 Clicked: 7576 Cited: 0 Commented: 0(p.599-614) <Full Text> <PPT> 1719

Chinese summary <24> 狀态受限吸氣式高超聲速飛行器自适應跟蹤控制

概要：本文研究了縱向通道吸氣式高超聲速飛行器的狀态受限自适應跟蹤控制問題，其中(zhōng)，速度、高度和攻角均要求跟蹤給定的參考曲線。通過選擇俯仰角作爲新的輸出并設計合适的俯仰角參考曲線，提出了一(yī)種新穎的間接攻角跟蹤策略。基于重新定義的輸出（即：速度、高度和俯仰角），給出了一(yī)種基于修正的退步控制器設計方法，其中(zhōng)，障礙李雅普諾夫函數用來求解控制增益未知(zhī)情況下(xià)的狀态受限控制問題。穩定性分(fēn)析表明本方法實現了跟蹤控制的目标，同時所有的閉環信号有界，狀态始終滿足給定約束。數值仿真驗證了本方法的有效性。

關鍵詞組：高超聲速飛行器；約束；輸出重定義；障礙李雅普諾夫函數

Controller area network node reliability assessment based on observable node information

Lei-ming Zhang, Long-hao Tang, Yong Lei

DOI: 10.1631/FITEE.1601029 Downloaded: 2227 Clicked: 6218 Cited: 0 Commented: 0(p.615-626) <Full Text> <PPT> 1598

Chinese summary <26> 基于可觀測節點信息的控制器局域網節點可靠性評估

概要：基于控制器局域網的總線技術廣泛應用于網絡化制造系統。網絡作爲系統的信息通道，其可靠性對系統的吞吐量、産品質量以及工(gōng)作人員(yuán)的安全至關重要。然而，由于節點内部狀态的不可訪問性，因此使用節點内置的錯誤計數器值直接評估控制器局域網節點的可靠性是難以進行的。本文提出一(yī)種新穎的控制器局域網節點可靠性評估方法，該方法使用節點脫離(lí)總線時間作爲可靠性測度。基于網絡錯誤日志(zhì)和錯誤計數器值可訪問的可觀測節點信息，該方法可以估計網絡中(zhōng)節點的發送錯誤計數器值。首先，本文基于分(fēn)段馬爾科夫鏈建立了估計節點發送錯誤計數器值的模型，該模型考慮了網絡中(zhōng)錯誤分(fēn)布的稀疏特性。其次，通過學習可觀測節點的模型估計值和實際測量值之間的偏差，建立了貝葉斯網絡以表述可觀測節點的模型估計值更新機制。然後，将該更新機制應用到網絡中(zhōng)發送錯誤計數器值不可訪問的節點，完成其模型估計值的更新。最後，建立了節點可靠性評估方法以預測節點的脫離(lí)總線時間。爲表明文中(zhōng)方法的有效性，進行了多組實驗。實驗結果表明由文中(zhōng)方法得到的估計值與實際觀測值相一(yī)緻。

關鍵詞組：控制器局域網；發送錯誤計數器；發送錯誤計數器值估計；貝葉斯網絡；脫離(lí)總線時間

A subband excitation substitute based scheme for narrowband speech watermarking

Wei Liu, Ai-qun Hu

DOI: 10.1631/FITEE.1601503 Downloaded: 1998 Clicked: 5570 Cited: 0 Commented: 0(p.627-643) <Full Text> <PPT> 1730

Chinese summary <28> 一(yī)種基于子帶激勵替換的窄帶語音水印算法

概要：本文建議了一(yī)種新的窄帶語音水印算法，該算法将部分(fēn)語音信号替換爲一(yī)個經過幅度調節和頻(pín)譜成形的隐蔽信号。文中(zhōng)從理論上證明了若僅對一(yī)小(xiǎo)部分(fēn)載體(tǐ)語音作修改，則不但可以建立一(yī)個用于隐蔽通信的理想信道模型，而且還能确保隐藏信号的不可感知(zhī)性和帶水印信号的可懂度。在此基礎上，文中(zhōng)建議了一(yī)個實際的系統模型。在嵌入器中(zhōng)，使用了能量規範化準則，使得通帶水印信号的能量與原始通帶語音激勵信号的能量相等，然後使用合成濾波器來對該水印信号進行頻(pín)譜成形。在提取器中(zhōng)，先用帶通濾波器去(qù)除帶外(wài)信号，然後用分(fēn)析濾波器對失真進行補償。實驗結果顯示，本文建議算法的數據速率可達400 bits/s，具有更佳的帶寬效率，且有良好的不可感知(zhī)性。此外(wài)，該算法對實際應用中(zhōng)的各種攻擊也是頑健的。

關鍵詞組：分(fēn)析濾波器；線性預測；窄帶語音水印；通帶激勵替代；能量規範化；譜包絡成形；合成濾波器

Feature matching using quasi-conformal maps

Chun-xue Wang, Li-gang Liu

DOI: 10.1631/FITEE.1500411 Downloaded: 5270 Clicked: 10586 Cited: 0 Commented: 0(p.644-657) <Full Text>

Chinese summary <677> 基于拟共形映射的特征點匹配

概要：本文提出一(yī)種在兩幅圖像之間尋找保持幾何關系一(yī)緻的特征點對應的自動方法。雖然傳統的SIFT（Scale-invariant feature transform）方法能得到一(yī)些對應點，但是其中(zhōng)有些對應點是無效的，我(wǒ)們的目标就是去(qù)除其中(zhōng)的無效對應點，使得剩下(xià)的對應點能夠保持在拟共形映射下(xià)的幾何關系。我(wǒ)們将問題描述爲集成Beltrami系數項的拟共形映射的帶約束優化問題，是通過交替求解線性系統和線性約束的凸二次規劃來求解的。我(wǒ)們的方法非常簡單而且對噪聲點不敏感，優于一(yī)些已有的方法。

關鍵詞組：特征匹配；拟共形映射；分(fēn)裂方法

A new item-based deep network structure using a restricted Boltzmann machine for collaborative filtering

Yong-ping Du, Chang-qing Yao, Shu-hua Huo, Jing-xuan Liu

DOI: 10.1631/FITEE.1601732 Downloaded: 1965 Clicked: 5345 Cited: 0 Commented: 0(p.658-666) <Full Text> <PPT> 1717

Chinese summary <22> 一(yī)種基于受限玻爾茲曼機深度網絡結構的協同過濾方法

概要：協同過濾推薦算法利用曆史數據進行預測推薦，在電子商(shāng)務領域得到了廣泛的應用，同時，數據稀疏問題依然存在。本文提出一(yī)種基于項目的受限玻爾茲曼機協同過濾算法，并采用了深度多層網絡結構，有效緩解了數據稀疏問題，獲取了更加有效的特征。将項目當作單獨的受限玻爾茲曼機進行訓練，不同的項目具有相同的權重值和偏置，在多層網絡結構中(zhōng)，參數逐層被學習，采用帶minibatch的批量梯度下(xià)降（Batch gradient descent, BGD）算法加快收斂速度，由多層玻爾茲曼機結構的網絡學習到的新的特征向量在評分(fēn)預測中(zhōng)具有更優的能力。在Movielens數據集上的實驗結果表明，采用該方法的系統性能顯著優于基于用戶的受限玻爾茲曼機協同過濾方法，MAE與RMSE最優值分(fēn)别達到了0.6424和0.7843。

關鍵詞組：受限玻爾茲曼機；深層網絡結構；協同過濾；推薦系統

Exploiting a depth context model in visual tracking with correlation filter

Zhao-yun Chen, Lei Luo, Da-fei Huang, Mei Wen, Chun-yuan Zhang

DOI: 10.1631/FITEE.1500389 Downloaded: 2298 Clicked: 6904 Cited: 0 Commented: 0(p.667-679) <Full Text> <PPT> 1627

Chinese summary <24> 相關濾波視覺跟蹤方法中(zhōng)深度上下(xià)文模型的研究

概要：近來，基于相關濾波器的跟蹤器因具有較高的計算效率而頗受關注，但這一(yī)方法不能很好地處理遮擋和尺度變化。本文旨在将深度信息整合到基于相關濾波器的跟蹤器中(zhōng)，以解決跟蹤器在上述兩種情況下(xià)的跟蹤失敗。同時利用RGB-D數據構建了一(yī)個深度上下(xià)文模型，用來描述目标與周邊區域之間的空間相關性。此外(wài)，本文采用了區域生(shēng)長法使跟蹤器對遮擋和尺度變化的場景具有更高魯棒性，并利用模型更新等優化方法來改進較長視頻(pín)序列的性能。通過對極具挑戰性的基準圖像序列測試集的定性和定量評估，本文提出的跟蹤器比最先進的算法具有更好的性能。

關鍵詞組：視覺跟蹤；深度上下(xià)文模型；相關濾波；區域生(shēng)長

Label fusion for segmentation via patch based on local weighted voting

Kai Zhu, Gang Liu, Long Zhao, Wan Zhang

DOI: 10.1631/FITEE.1500457 Downloaded: 2547 Clicked: 6533 Cited: 0 Commented: 0(p.680-688) <Full Text> <PPT> 1757

Chinese summary <24> 基于圖塊的局部加權表決标記融合分(fēn)割算法

概要：标記融合是醫學圖像處理中(zhōng)越來越受歡迎的一(yī)種強大(dà)的圖像分(fēn)割策略。然而，同時滿足高精度和快速分(fēn)割卻是對算法的一(yī)個極大(dà)的挑戰。結合局部加權表決策略和貝葉斯推論，本文提出了一(yī)種新的基于圖塊的分(fēn)割算法。通過ANTs（Advanced normalization tools）算法将訓練圖譜圖像向目标圖像進行配準，并将配準後的訓練圖譜标記映射到目标圖像中(zhōng)來獲得分(fēn)割結果。首先在執行局部加權表決策略中(zhōng)将灰度先驗概率和标記先驗概率作爲兩個關鍵的指标，然後在圖塊水平上計算這兩種先驗概率。接着在分(fēn)析标記融合的過程中(zhōng)，首次提出了把圖像的背景區域作爲單獨的一(yī)個标記值來處理，再估算标記先驗概率的方案。最後，利用Dice score作爲評估分(fēn)割精度的标準，将該算法分(fēn)割的結果與其他一(yī)些方法進行了比較，如多數表決、局部加權表決、基于圖塊的多數表決以及廣泛運用于整個大(dà)腦分(fēn)割的工(gōng)具FreeSurfer。實驗結果證明本文提出的算法要優于其他分(fēn)割方法。在實驗中(zhōng)，本文還讨論了不同參數（包括圖塊大(dà)小(xiǎo)、圖塊面積和訓練圖譜個數）對分(fēn)割精度的影響。

關鍵詞組：标記融合；局部加權表決；基于圖塊；背景分(fēn)析

An efficient lossy link localization approach for wireless sensor networks

Wen-yan Cui, Xiang-ru Meng, Bin-feng Yang, Huan-huan Yang, Zhi-yuan Zhao

DOI: 10.1631/FITEE.1601247 Downloaded: 2488 Clicked: 6474 Cited: 0 Commented: 0(p.689-707) <Full Text> <PPT> 1773

Chinese summary <23> 一(yī)種有效的無線傳感器網絡失效鏈路定位方法

概要：由于無線傳感器網絡中(zhōng)經常發生(shēng)故障，網絡故障管理對其維持正常運行狀态非常重要。當前的故障定位方法通常先推斷最有可能故障集，然後給出故障假設集。然而假設集中(zhōng)往往含有大(dà)量實際并未發生(shēng)的故障。推斷集中(zhōng)的冗餘信息會大(dà)大(dà)加重故障推斷的計算量，從而降低評估精度且增加故障定位時間。爲了解決這個問題，本文提出了基于條件信息熵的冗餘消除算法，該算法可以在保留核心信息的基礎上消除大(dà)部分(fēn)冗餘信息。此外(wài)，還提出一(yī)種可以精确反映故障關系的概率關聯故障模型，并爲非确定性故障傳播構建模型。通過一(yī)系列數學推導，本文将故障定位問題轉化爲覆蓋件問題進行求解，并提出啓發式算法推導故障假設集。在仿真環境和真實平台上驗證了提出的方法相比現有故障定位方法的有效性。

關鍵詞組：失效鏈路定位；冗餘消除算法；覆蓋集；無線傳感器網絡；網絡診斷

Personalized topic modeling for recommending user-generated content

Wei Zhang, Jia-yu Zhuang, Xi Yong, Jian-kou Li, Wei Chen, Zhe-min Li

DOI: 10.1631/FITEE.1500402 Downloaded: 2639 Clicked: 6086 Cited: 0 Commented: 0(p.708-718) <Full Text> <PPT> 1717

Chinese summary <27> 基于個性化主題模型的用戶生(shēng)成内容推薦

概要：互聯網服務中(zhōng)有很多用戶生(shēng)成的内容（User-generated content, UGC），例如博客，微博等。在這些系統中(zhōng)，需要推薦算法來幫助用戶過濾海量的内容。然而，傳統的推薦模型沒有考慮用戶和内容之間的創作關系。本文中(zhōng)，我(wǒ)們驗證了：通過引入創作關系信息，可以顯著提高推薦算法的各項指标。基于層次主題模型和矩陣分(fēn)解模型，我(wǒ)們構造了一(yī)個新的推薦模型。實驗證明我(wǒ)們的新模型顯著的優于其它已有模型，并且可以爲用戶和内容對應的主題給出直觀解釋。另外(wài)，由于從用戶生(shēng)成的内容我(wǒ)們可以推測其興趣偏好，因此可以解決冷啓動問題。

關鍵詞組：用戶生(shēng)成内容；協同過濾；矩陣分(fēn)解；層次主題模型

A keyed-hashing based self-synchronization mechanism for port address hopping communication

Yue-bin Luo, Bao-sheng Wang, Xiao-feng Wang, Bo-feng Zhang

DOI: 10.1631/FITEE.1601548 Downloaded: 2161 Clicked: 6463 Cited: 0 Commented: 0(p.719-728) <Full Text> <PPT> 1766

Chinese summary <18> 一(yī)種基于加密哈希的端口地址跳變通信自同步機制

概要：端口地址跳變（Port address hopping, PAH）通信是一(yī)種有用的網絡動目标防禦（Moving target defense, MTD）機制，它受無線通信領域的跳頻(pín)通信思想啓發發展而來。跳變同步是PAH通信的一(yī)個關鍵和難點問題，已有機制通常爲通信會話(huà)提供周期爲數秒或數分(fēn)鍾的跳變，且容易受到傳輸延時、流量擁塞、數據包丢包、亂序和重傳等網絡事件的影響。爲了應對這些問題，在本文中(zhōng)我(wǒ)們提出了一(yī)種新的自同步機制，叫做基于加密哈希的自同步（Keyed-hashing based self-synchronization, KHSS）。本文方法基于HMAC（Hash message authentication code）機制生(shēng)成消息認證碼（MAC），MAC被進一(yī)步用作端口地址編碼和解碼的同步信息，爲端口地址跳變系統提供了一(yī)個數據包一(yī)次的跳變和隐秘的消息認證功能，使得通過不可靠通信媒介連接的客戶端和服務器能夠在持續變換它們的通信标識的同時執行消息認證，而且這一(yī)過程不需要傳輸任何同步和認證信息。理論分(fēn)析、仿真和實驗結果表明本文提出的方法能有效防禦中(zhōng)間人（man-in-the-middle, MITM）攻擊和網絡掃描，在安全性和跳變效率方面也明顯優于已有方法。

關鍵詞組：同步；端口地址跳變；動目标防禦；網絡安全

Wide-range tracking technique for process-variation-robust clock and data recovery applications

Jun-sheng Lv, You Li, Yu-mei Zhou, Jian-zhong Zhao, Hai-hua Shen, Feng Zhang

DOI: 10.1631/FITEE.1500410 Downloaded: 5349 Clicked: 11257 Cited: 0 Commented: 0(p.729-737) <Full Text> <PPT> 3886

Chinese summary <400> 一(yī)種針對工(gōng)藝變化魯棒性時鍾數據恢複應用的寬範圍追蹤技術

概要：本文提出了一(yī)種針對時鍾數據恢複電路的寬範圍追蹤技術。與傳統技術相比，本文采用帶校準的數字時鍾數據恢複控制器，拓展了追蹤範圍；同時，時鍾數據恢複電路對工(gōng)藝和電源電壓的變化不再敏感。爲了驗證該技術，整個時鍾數據恢複電路采用65 nm CMOS工(gōng)藝實現。測試結果表明在5 Gb/s數據率下(xià)，追蹤範圍大(dà)于±6×10⁻³。整體(tǐ)接收器擁有良好的抖動容限，且誤碼率達到了<10⁻²。重新采樣和串化後的串行數據的均方根抖動僅爲6.7 ps。

關鍵詞組：時鍾數據恢複；數字濾波器；相位插值器

Histogram equalization using a reduced feature set of background speakers’ utterances for speaker recognition

Myung-jae Kim, Il-ho Yang, Min-seok Kim, Ha-jin Yu

DOI: 10.1631/FITEE.1500380 Downloaded: 2577 Clicked: 6933 Cited: 0 Commented: 0(p.738-750) <Full Text> <PPT> 1732

Chinese summary <26> 采用背景人聲簡化特征集的說話(huà)人識别直方圖均衡化方法

概要：本文提出了一(yī)種用于說話(huà)人識别技術的直方圖均衡化方法。該方法采用了一(yī)套增補簡化特征集，用以在訓練數據和測試數據較短時改進說話(huà)人識别的效果。該增補特征集采用選擇算法或聚類算法從背景人聲中(zhōng)派生(shēng)得到。當輸入語音數據樣本不足時，本文提出的方法可作爲構建直方圖的特征歸一(yī)化方法使用。另外(wài)，該方法作爲一(yī)種i-vector歸一(yī)化方法，源于一(yī)種目前較爲先進的基于i-vector的概率線性判别分(fēn)析（Probabilistic linear discrimin antanalysis, PLDA）說話(huà)人識别系統。在輸入語音和增補集中(zhōng)，用于直方圖均衡化的樣本值序号均按升序進行估計。新的序列号則按不同種類的序号之和進行排列。随後，該方法采用最新的序列号得出了測試語音樣本的累積分(fēn)布函數。本文将這一(yī)方法與倒譜均值歸一(yī)化（Cepstral mean normalization, CMN）方法、倒譜均值和方差（Cepstral mean and variance, MVN）歸一(yī)化法、直方圖均衡化（Histogram equalization, HEQ）方法和歐洲電信标準協會模拟前端方法進行了比較。此外(wài)，在一(yī)具體(tǐ)算例中(zhōng)将該方法性能與采用模糊C-means和K-means算法的貪婪選擇算法進行了比較。采用YOHO和ETRI數據庫對特征空間進行評估。測試集采用Opus VoIP編碼器進行了模拟。本文還采用了2008美國國家标準技術研究所說話(huà)人識别評測語料庫對該i-vector系統進行了評測。試驗結果表明，與傳統特征歸一(yī)化方法相比，當采用所提出的方法時，平均系統性能可得到有效提提升。

關鍵詞組：說話(huà)人識别；直方圖均衡化；i-vector